CN111399076A - 一种车载线扫描相机探测机场道面异物的方法及装置 - Google Patents

一种车载线扫描相机探测机场道面异物的方法及装置 Download PDF

Info

Publication number
CN111399076A
CN111399076A CN202010238857.2A CN202010238857A CN111399076A CN 111399076 A CN111399076 A CN 111399076A CN 202010238857 A CN202010238857 A CN 202010238857A CN 111399076 A CN111399076 A CN 111399076A
Authority
CN
China
Prior art keywords
airport pavement
vehicle
foreign matter
image
image information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010238857.2A
Other languages
English (en)
Inventor
苏明
王军锋
尧丰
刘子畅
吕大勇
王双喜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhongke Lanzhuo Beijing Information Technology Co ltd
Original Assignee
Zhongke Lanzhuo Beijing Information Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhongke Lanzhuo Beijing Information Technology Co ltd filed Critical Zhongke Lanzhuo Beijing Information Technology Co ltd
Priority to CN202010238857.2A priority Critical patent/CN111399076A/zh
Publication of CN111399076A publication Critical patent/CN111399076A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V8/00—Prospecting or detecting by optical means
    • G01V8/10—Detecting, e.g. by using light barriers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geophysics (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种车载线扫描相机探测机场道面异物的方法及装置，该方法包括：获取机场道面异物检测车辆的实时速度及振动信息；根据实时速度，调整相机的扫描速度；基于调整扫描速度后的相机获取机场道面的图像信息；基于振动信息，校正图像信息；基于校正后的图像信息，获取机场道面异物检测结果。本发明的本发明的车载线扫描相机探测机场道面异物的方法获取相机的扫描速度与检测车辆的实际车速匹配的情况下的机场道面图像，并根据检测车辆的振动信息对图像进行校正，识别校正后的图像中的机场道面异物，探测准确率高且探测效率高。

Description

一种车载线扫描相机探测机场道面异物的方法及装置
技术领域
本发明属于机场道面异物检测领域，具体地，涉及一种车载线扫描相机探测机场道面异物的方法及装置。
背景技术
机场道面异物(FOD)泛指可能损伤飞机的某种外来物质。FOD会危及飞机和乘客的生命安全，造成航班延误、中断起飞，甚至引起巨大的安全事故或经济损失。目前较为典型的机场道面异物探测系统有4种形式，分别为塔架式雷达及光学探测系统、塔架式光学探测系统、边灯式雷达及光学探测系统、车载式雷达及光学探测系统。其中，塔架式和边灯式两种形式总体成本较高，适用于大型机场部署，小型民用机场及军用机场则更适用于使用灵活性更佳的车载式机场道面异物探测系统。随着我国民航业的迅速发展，中小型机场的数量越来越多，截至2018年底，我国共有运输机场235个，其中年吞吐量1000万人次以上的仅有37个，其余均为中小型机场，由此可见，为确保中小型机场道面的安全，适用于中小型机场的车载式机场道面异物探测系统的精准检测是非常重要的。
但是，现有的车载式机场道面异物探测系统普遍采用雷达及面阵相机连续抓拍。雷达作为主要探测设备，视频系统辅助，系统成本很高，且视觉成像系统成像效果不佳，在高速行驶时成像系统拖影严重。因此，特别需要一种成本低且能够提高成像效果的车载式机场道面异物探测的方法。
发明内容
本发明的目的是提供一种成本低且能够提高成像效果的车载线扫描相机探测机场道面异物的方法及识别方法。
为了实现上述目的，本发明提供一种车载线扫描相机探测机场道面异物的方法，包括：获取机场道面异物检测车辆的实时速度及振动信息；根据所述实时速度，调整相机的扫描速度；基于调整扫描速度后的相机获取机场道面的图像信息；基于所述振动信息校正所述图像信息；基于所述校正后的图像信息，获取机场道面异物检测结果。
可选地，基于所述校正后的图像信息，获取机场道面异物检测结果包括：将校正后的图像信息作为神经网络模型的输入数据，将所述神经网络模型的输出数据作为机场道面异物检测结果。
可选地，通过以下步骤获得所述神经网络模型：多次采集机场道面，获取机场道面的训练图像；分析所述机场道面的训练图像；提取机场道面异物的特征信息；将所述训练图像作为模型输入，将所述特征信息作为模型输出，利用随机梯度下降法进行训练，获得所述神经网络模型。
可选地，基于所述校正后的图像信息，获取机场道面异物检测结果包括：对机场道面异物进行识别算法训练，获取特征数据；根据所述特征数据，设定预设图像；比较所述校正后的图像信息与所述预设图像，识别机场道面异物，获得机场道面异物检测结果。
可选地，所述比较所述校正后的图像信息与所述预设图像，包括：获取所述校正后的图像信息的特征数据；比较所述校正后的图像信息的特征数据与预设图像的特征数据；若所述校正后的图像信息的特征数据与所述预设图像的特征数据达到匹配阈值，则确定为机场道面异物。
可选地，所述基于所述振动信息校正所述图像信息包括：获取检测车辆的位移信号及检测时间；计算与所述检测时间对应的图像偏移量和动态几何像差；基于所述图像偏移量和动态几何像差，对所述图像信息进行校正。
可选地，通过车载振动补偿模块获取所述检测车辆的振动信息。
可选地，基于编码器获取所述检测车辆的实时速度。
本发明还提供一种车载线扫描相机探测机场道面异物的装置，包括：控制器，所述控制器实现上述车载线扫描相机探测机场道面异物的方法；补光光源，所述补光光源设置在检测车辆的后侧壁；线扫相机，所述线扫相机与所述控制器连接，且所述线扫相机设置在检测车辆的后侧壁；车载振动补偿模块，所述车载振动偿模块与所述控制器连接；车速测量模块，所述车速测量模块与所述控制器连接。
可选地，所述线扫相机的成像区域与所述补光光源的补光区域重叠。
本发明的有益效果在于，本发明的车载线扫描相机探测机场道面异物的方法获取相机的扫描速度与检测车辆的实际车速匹配的情况下的机场道面图像，并根据检测车辆的振动信息对图像进行校正，识别校正后的图像中的机场道面异物，探测准确率高且探测效率高。
本发明的车载线扫描相机探测机场道面异物的装置的控制器获取相机的扫描速度与检测车辆的实际车速匹配的情况下的机场道面图像，并根据检测车辆的振动信息对图像进行校正，识别校正后的图像中的机场道面异物，探测准确率高及探测效率高，且成本低。
本发明的装置具有其它的特性和优点，这些特性和优点从并入本文中的附图和随后的具体实施例中将是显而易见的，或者将在并入本文中的附图和随后的具体实施例中进行详细陈述，这些附图和具体实施例共同用于解释本发明的特定原理。
附图说明
通过结合附图对本发明示例性实施方式进行更详细的描述，本发明的上述以及其它目的、特征和优势将变得更加明显，其中，在本发明示例性实施方式中，相同的参考标号通常代表相同部件。
图1示出了根据本发明的一个实施例的车载线扫描相机探测机场道面异物的方法的流程图。
图2示出了根据本发明的一个实施例的车载线扫描相机探测机场道面异物的装置的结构框图。
附图标记说明：
1、控制器；2、补光光源；3、线扫相机；4、车载振动补偿模块；5、车速测量模块。
具体实施方式
下面将更详细地描述本发明的优选实施方式。虽然以下描述了本发明的优选实施方式，然而应该理解，可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本发明更加透彻和完整，并且能够将本发明的范围完整地传达给本领域的技术人员。
本发明提供一种车载线扫描相机探测机场道面异物的方法，包括：获取机场道面异物检测车辆的实时速度及振动信息；根据实时速度，调整相机的扫描速度；基于调整扫描速度后的相机获取机场道面的图像信息；基于振动信息校正图像信息；基于校正后的图像信息，获取机场道面异物检测结果。
具体的，根据检测车辆的实时速度，输出与实时速度匹配的扫描速度调整指令至线扫描相机，确保调整扫描速度后线扫描相机拍摄的图像不变形，获取线扫描相机在调整扫描速度后采集的机场道面的图像，根据振动信息对图像进行校正，消除振动影响，对校正后的图像进行机场道面异物识别，获取机场道面异物检测结果。
根据示例性的实施方式，车载线扫描相机探测机场道面异物的方法获取相机的扫描速度与检测车辆的实际车速匹配的情况下的机场道面图像，并根据检测车辆的振动信息对图像进行校正，识别校正后的图像中的机场道面异物，探测准确率高且探测效率高。
作为可选方案，基于校正后的图像信息，获取机场道面异物检测结果包括：将校正后的图像信息作为神经网络模型的输入数据，将神经网络模型的输出数据作为机场道面异物检测结果。
作为可选方案，通过以下步骤获得神经网络模型：多次采集机场道面，获取机场道面的训练图像；分析机场道面的训练图像；提取机场道面异物的特征信息；将训练图像作为模型输入，将特征信息作为模型输出，利用随机梯度下降法进行训练，获得神经网络模型。
具体的，通过人工方式在机场道面放置异物，异物的种类很多，包括经常在机场道面出现的以及可能会出现的，采集放置了异物后的机场道面图像，作为训练图像，分析训练图像，通过大量设置、采集及分析训练，提取机场道面异物的特征，将采集的训练图像作为初始模型的输入，将最终提取的特征信息作为初始模型的输出，利用随机梯度下降法对初始模型进行训练，获得神经网络模型。
将实际采集的机场道面图像作为神经网络模型的输入，神经网络模型根据训练的异物特征输出识别出的机场道面异物，获得机场道面异物检测结果。神经网络模型根据需要检测的图像及输出的结果进行自我优化，通过大量训练进行算法识别，建立的神经网络模型，检测精度高。
作为可选方案，基于校正后的图像信息，获取机场道面异物检测结果包括：对机场道面异物进行识别算法训练，获取特征数据；根据特征数据，设定预设图像；比较校正后的图像信息与预设图像，识别机场道面异物，获得机场道面异物检测结果。
作为可选方案，比较校正后的图像信息与预设图像，包括：获取校正后的图像信息的特征数据；比较校正后的图像信息的特征数据与预设图像的特征数据；若校正后的图像信息的特征数据与预设图像的特征数据达到匹配阈值，则确定为机场道面异物。
具体的，通过人工方式在机场道面放置异物，异物的种类很多，包括经常在机场道面出现的以及可能会出现的，采集放置了异物后的机场道面图像，作为训练图像，分析训练图像，通过大量设置、采集及分析训练，提取机场道面异物的特征，根据训练获得的异物的特征，设置异物的预设图像。获取校正后的图像的特征，比较校正后的图像的特征与预设图像的特征，如果这两者的特征的匹配度大于或等于预设阈值，认为校正后的图像的异物与预设图像中的异物相同，输出机场道面异物检测结果。通过大量训练进行算法识别，获取异物特征，检测精度高。
作为可选方案，基于振动信息校正图像信息包括：获取检测车辆的位移信号及检测时间；计算与检测时间对应的图像偏移量和动态几何像差；基于图像偏移量和动态几何像差，对图像信息进行校正。
具体的，根据振动信息，获取检测车辆的位移信号及检测时间，根据位移信号和检测时间，计算出对应的图像偏移量和动态几何像差，根据图像偏移量和动态几何像差，对图像信息进行校正，提高了图像的成像效果，根据振动信息对图像进行校正属于现有技术，这里不再赘述。
作为可选方案，通过车载振动补偿模块获取检测车辆的振动信息。
作为可选方案，基于编码器获取检测车辆的实时速度。
本发明还提供一种车载线扫描相机探测机场道面异物的装置，包括：控制器，控制器实现上述车载线扫描相机探测机场道面异物的方法；补光光源，补光光源设置在检测车辆的后侧壁；线扫相机，线扫相机与控制器连接，且线扫相机设置在检测车辆的后侧壁；车载振动补偿模块，车载振动补偿模块与控制器连接；车速测量模块，车速测量模块与控制器连接。
具体的，控制器接收车速测量模块的数据，根据检测车辆的实时速度，输出与实时速度匹配的扫描速度调整指令至线扫描相机，线扫描相机调整扫描速度后进行机场道面拍摄，确保拍摄的图像不变形，控制器获取线扫描相机在调整扫描速度后采集的机场道面的图像，根据来自于车载振动补偿模块的振动信息对图像进行校正，消除振动影响，对校正后的图像进行机场道面异物识别，获取机场道面异物检测结果。
根据示例性的实施方式，车载线扫描相机探测机场道面异物的装置的控制器获取相机的扫描速度与检测车辆的实际车速匹配的情况下的机场道面图像，并根据检测车辆的振动信息对图像进行校正，识别校正后的图像中的机场道面异物，探测准确率高及探测效率高，且成本低。
作为可选方案，线扫相机的成像区域与补光光源的补光区域重叠。
具体的，线扫相机和补光光源平行的设置在检测车辆的后侧壁上，检测车沿机场跑道一侧行驶，相机成像范围覆盖机场跑道整个宽度约60米。补光光源补光区域与线扫相机成像区域通过机械连接实现对准，使得线扫相机的成像区域与补光光源的补光区域重叠，确保补光光源照射范围能够覆盖相机的整个视场。
实施例一
图1示出了根据本发明的一个实施例的车载线扫描相机探测机场道面异物的方法的流程图。
如图1所示，车载线扫描相机探测机场道面异物的方法，包括：
步骤1：获取机场道面异物检测车辆的实时速度及振动信息；
其中，基于编码器获取检测车辆的实时速度。
其中，通过车载振动补偿模块获取检测车辆的振动信息。
步骤2：根据实时速度，调整相机的扫描速度；
步骤3：基于调整扫描速度后的相机获取机场道面的图像信息；
步骤4：基于振动信息校正图像信息；
其中，步骤4包括：获取检测车辆的位移信号及检测时间；计算与检测时间对应的图像偏移量和动态几何像差；基于图像偏移量和动态几何像差，对图像信息进行校正。
步骤5：基于校正后的图像信息，获取机场道面异物检测结果。
其中，步骤5包括：将校正后的图像信息作为神经网络模型的输入数据，将神经网络模型的输出数据作为机场道面异物检测结果。
其中，通过以下步骤获得神经网络模型：多次采集机场道面，获取机场道面的训练图像；分析机场道面的训练图像；提取机场道面异物的特征信息；将训练图像作为模型输入，将特征信息作为模型输出，利用随机梯度下降法进行训练，获得神经网络模型。
实施例二
步骤5包括：对机场道面异物进行识别算法训练，获取特征数据；根据特征数据，设定预设图像；比较校正后的图像信息与预设图像，识别机场道面异物，获得机场道面异物检测结果。
其中，比较校正后的图像信息与预设图像，包括：获取校正后的图像信息的特征数据；比较校正后的图像信息的特征数据与预设图像的特征数据；若校正后的图像信息的特征数据与预设图像的特征数据达到匹配阈值，则确定为机场道面异物。
实施例三
图2示出了根据本发明的一个实施例的车载线扫描相机探测机场道面异物的装置的结构框图。
如图2所示，车载线扫描相机探测机场道面异物的装置，包括：控制器1，控制器1实现上述车载线扫描相机探测机场道面异物的方法；补光光源2，补光光源2设置在检测车辆的后侧壁；线扫相机3，线扫相机3与控制器1连接，且线扫相机3设置在检测车辆的后侧壁；车载振动补偿模块4，车载振动补偿模块4与控制器1连接；车速测量模块5，车速测量模块5与控制器1连接。
其中，线扫相机3的成像区域与补光光源2的补光区域重叠。
该车载线扫描相机探测机场道面异物的装置的工作过程如下：控制器1获取车速测量模块5检测的实时车速，根据实时车速发送扫描速度调整指令至线扫相机3，线扫相机3获取调整扫描速度后的机场道面图像，并发送至控制器1，控制器1获取车载振动补偿模块4的振动信息，根据振动信息对图像进行校正，对校正后的图像进行机场道面异物识别，获取机场道面异物检测结果。
以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。

Claims (10)

1.一种车载线扫描相机探测机场道面异物的方法，其特征在于，包括：
获取机场道面异物检测车辆的实时速度及振动信息；
根据所述实时速度，调整相机的扫描速度；
基于调整扫描速度后的相机获取机场道面的图像信息；
基于所述振动信息校正所述图像信息；
基于所述校正后的图像信息，获取机场道面异物检测结果。
2.根据权利要求1所述的车载线扫描相机探测机场道面异物的方法，其特征在于，基于所述校正后的图像信息，获取机场道面异物检测结果包括：将校正后的图像信息作为神经网络模型的输入数据，将所述神经网络模型的输出数据作为机场道面异物检测结果。
3.根据权利要求2所述的车载线扫描相机探测机场道面异物的方法，其特征在于，通过以下步骤获得所述神经网络模型：
多次采集机场道面，获取机场道面的训练图像；
分析所述机场道面的训练图像；
提取机场道面异物的特征信息；
将所述训练图像作为模型输入，将所述特征信息作为模型输出，利用随机梯度下降法进行训练，获得所述神经网络模型。
4.根据权利要求1所述的车载线扫描相机探测机场道面异物的方法，其特征在于，基于所述校正后的图像信息，获取机场道面异物检测结果包括：
对机场道面异物进行识别算法训练，获取特征数据；
根据所述特征数据，设定预设图像；
比较所述校正后的图像信息与所述预设图像，识别机场道面异物，获得机场道面异物检测结果。
5.根据权利要求4所述的车载线扫描相机探测机场道面异物的方法，其特征在于，所述比较所述校正后的图像信息与所述预设图像，包括：
获取所述校正后的图像信息的特征数据；
比较所述校正后的图像信息的特征数据与预设图像的特征数据；
若所述校正后的图像信息的特征数据与所述预设图像的特征数据达到匹配阈值，则确定为机场道面异物。
6.根据权利要求1所述的车载线扫描相机探测机场道面异物的方法，其特征在于，所述基于所述振动信息校正所述图像信息包括：
获取检测车辆的位移信号及检测时间；
计算与所述检测时间对应的图像偏移量和动态几何像差；
基于所述图像偏移量和动态几何像差，对所述图像信息进行校正。
7.根据权利要求1所述的车载线扫描相机探测机场道面异物的方法，其特征在于，通过车载振动补偿模块获取所述检测车辆的振动信息。
8.根据权利要求1所述的车载线扫描相机探测机场道面异物的方法，其特征在于，基于编码器获取所述检测车辆的实时速度。
9.一种车载线扫描相机探测机场道面异物的装置，其特征在于，包括：
控制器，所述控制器实现权利要求1-8中任一项所述的车载线扫描相机探测机场道面异物的方法；
补光光源，所述补光光源设置在检测车辆的后侧壁；
线扫相机，所述线扫相机与所述控制器连接，且所述线扫相机设置在检测车辆的后侧壁；
车载振动补偿模块，所述车载振动补偿模块与所述控制器连接；
车速测量模块，所述车速测量模块与所述控制器连接。
10.根据权利要求9所述的车载线扫描相机探测机场道面异物的装置，其特征在于，所述线扫相机的成像区域与所述补光光源的补光区域重叠。
CN202010238857.2A 2020-03-30 2020-03-30 一种车载线扫描相机探测机场道面异物的方法及装置 Pending CN111399076A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010238857.2A CN111399076A (zh) 2020-03-30 2020-03-30 一种车载线扫描相机探测机场道面异物的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010238857.2A CN111399076A (zh) 2020-03-30 2020-03-30 一种车载线扫描相机探测机场道面异物的方法及装置

Publications (1)

Publication Number Publication Date
CN111399076A true CN111399076A (zh) 2020-07-10

Family

ID=71434816

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010238857.2A Pending CN111399076A (zh) 2020-03-30 2020-03-30 一种车载线扫描相机探测机场道面异物的方法及装置

Country Status (1)

Country Link
CN (1) CN111399076A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101424529A (zh) * 2007-11-02 2009-05-06 北京华旗资讯数码科技有限公司 列车扫描系统
KR20110062211A (ko) * 2009-12-03 2011-06-10 한국철도기술연구원 라인스캔 카메라를 이용한 전차선 높이 및 편위 검측장치 및 그 방법
JP2014060633A (ja) * 2012-09-19 2014-04-03 Railway Technical Research Institute ラインセンサカメラを用いた撮影装置
CN104132943A (zh) * 2013-05-02 2014-11-05 上海工程技术大学 一种车载高速动态轨道表面缺陷视频检测方法及装置
KR101478914B1 (ko) * 2013-07-05 2015-01-06 현대다이모스(주) 관성측정정보를 이용하여 영상정보를 보정하는 4wd 차량의 노면인식장치 및 방법
CN105572755A (zh) * 2016-02-04 2016-05-11 福建福光股份有限公司 一种机场道面异物检测装置及其检测方法
CN110231349A (zh) * 2019-07-17 2019-09-13 深圳市卫飞科技有限公司 一种机场道面多功能检测车
CN110781757A (zh) * 2019-09-29 2020-02-11 中国航空无线电电子研究所 一种机场道面异物识别定位方法及系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101424529A (zh) * 2007-11-02 2009-05-06 北京华旗资讯数码科技有限公司 列车扫描系统
KR20110062211A (ko) * 2009-12-03 2011-06-10 한국철도기술연구원 라인스캔 카메라를 이용한 전차선 높이 및 편위 검측장치 및 그 방법
JP2014060633A (ja) * 2012-09-19 2014-04-03 Railway Technical Research Institute ラインセンサカメラを用いた撮影装置
CN104132943A (zh) * 2013-05-02 2014-11-05 上海工程技术大学 一种车载高速动态轨道表面缺陷视频检测方法及装置
KR101478914B1 (ko) * 2013-07-05 2015-01-06 현대다이모스(주) 관성측정정보를 이용하여 영상정보를 보정하는 4wd 차량의 노면인식장치 및 방법
CN105572755A (zh) * 2016-02-04 2016-05-11 福建福光股份有限公司 一种机场道面异物检测装置及其检测方法
CN110231349A (zh) * 2019-07-17 2019-09-13 深圳市卫飞科技有限公司 一种机场道面多功能检测车
CN110781757A (zh) * 2019-09-29 2020-02-11 中国航空无线电电子研究所 一种机场道面异物识别定位方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
XIAOGUANG CAO, ET AL.: "Foreign Object Debris Detection on Airfield Pavement Using Region Based Convolution Neural Network", 《2016 INTERNATIONAL CONFERENCE ON DIGITAL IMAGE COMPUTING: TECHNIQUES AND APPLICATIONS (DICTA)》 *
吴明翔等: "车载摄影摄像装置图像偏移与动态几何像差的分析", 《光学技术》 *

Similar Documents

Publication Publication Date Title
CN110254468B (zh) 一种轨道表面缺陷智能在线检测装置及检测方法
US20180357788A1 (en) UAV Inspection Method for Power Line Based on Human Visual System
CN105373135A (zh) 一种基于机器视觉的飞机入坞引导和机型识别的方法及系统
CN102073846B (zh) 基于航拍图像的交通信息获取方法
CN105302151A (zh) 一种飞机入坞引导和机型识别的系统及方法
CN109489724B (zh) 一种隧道列车安全运行环境综合检测装置及检测方法
CN103235830A (zh) 一种基于无人机电力巡线方法、装置及无人机
CN110046584B (zh) 一种基于无人机巡检的道路裂纹检测装置及检测方法
CN108198417B (zh) 一种基于无人机的道路巡检系统
CN104964886A (zh) 一种焊接构件疲劳应力及应变实时非接触式监测方法
CN112348034A (zh) 基于无人机图像识别的起重机缺陷检测系统和工作方法
CN111768417B (zh) 基于单目视觉3d重建技术的铁路货车超限检测方法
CN106371013A (zh) 一种基于图片识别的gis开关故障自动识别系统
CN104483320A (zh) 工业脱硝催化剂的数字化缺陷检测装置与检测方法
CN104407346A (zh) 一种基于信息融合的移动式跑道异物监测方法
CN106485694A (zh) 一种基于级联分类器的高铁接触网双套管连接器六边形螺母脱落不良状态检测方法
CN110954968A (zh) 一种机场跑道异物检测装置及方法
CN105718964A (zh) 一种输电线防振锤的视觉检测方法
CN112037252A (zh) 基于鹰眼视觉的目标跟踪方法及系统
CN109934135A (zh) 一种基于低秩矩阵分解的铁轨异物检测方法
CN110728269B (zh) 一种基于c2检测数据的高铁接触网支柱杆号牌识别方法
KR101705061B1 (ko) 차량 번호판의 글자 인식을 위한 번호판 검출방법
CN105447431A (zh) 一种基于机器视觉的入坞飞机跟踪定位方法及系统
CN111399076A (zh) 一种车载线扫描相机探测机场道面异物的方法及装置
CN112818806A (zh) 一种基于深度学习的变电站巡检机器人辅助导航方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20200710

RJ01 Rejection of invention patent application after publication